Prosiding SENTIA 2016 – Politeknik Negeri Malang
Volume 8 – ISSN: 2085-2347
PENGUKURAN DAN ANALISA SINYAL RF PADA PENERIMA SELULER DI AREA SURABAYA (RF SIGNAL MEASUREMENT AND ANALYSIS ON CELLULAR RECEIVER IN SURABAYA) Moh Oky Sadam Basri1, Achmad Mauludiyanto2 Jurusan Teknik Elektro – FTI - Institut Teknologi Sepuluh Nopember (ITS) 1
[email protected],
[email protected] Abstract
In 2006, 3G tech was first introduced to public. It become new technology that has been used by a lot of people because this technology gives them fast access and better quality. A lot of new technolocy based on 3G occur, from 4G until the latest technology called 5G. Continous maintain and surveilance are needed to keep cellular network quality good. A lot of nework operator and service provider still use drive test to measure signal quality on certain area. That way of planning sure take alot of time and resources. In this final project, writer do cellular signal measuring on 3G technology in dense urban, urban, and sub urban area. The writer also do some link budget calculating and signal quality modelling. In this modelling, writer use ARIMA method as a way. Cellular signal quality on Surabaya have RSL value beetwen -50 dBm and -80 dBm. And based on parameters in the modelling test, writer choose ARIMA (2,0,1) as a way to predict and calculate cellular signal quality in those area. This ARIMA (2,0,1) has accuracy above 90%.
Kata kunci : ARIMA Modelling, Surabaya, RSL, 3G, dense urban, urban, sub urban, drive test, forecast, link budget 1.
melakukan optimalisasi dan perancangan jaringan jaringan seluler.
Pendahuluan
Persaingan operator penyedia layanan telekomunikasi menarik untuk diperhatikan, dimana setiap operator berusaha memberikan layanan dengan kualitas terbaik. Untuk mengetahui seberapa besar pengaruh dari gangguan-gangguan dapat diketahui dengan melakukan perhitungan link Budget.
2.
Tinjauan Pustaka
2.1 Antena Pemancar Khusus di wilayah Surabaya, ketika di lapangan ditemukan bahwa TELKOMSEL Surabaya banyak menggunakan antenna jenis Katherine 742215 dan HBXX-6516DS-VTM.
Data-data yang dapat menunjang perhitungan Link Budget bisa didapatkan dengan melakukan drive test . Dengan cara ini akan didapat level sinyal terima, identitas BTS dan jarak antara pemancar dengan penerima. Dalam pelaksanaan drive test dilapangan hanya dilakukan ketika terjadi kasus-kasus tertentu dan kelanjutan dari drive test hanya sampai pada optimasi jaringan.Fungsi dilakukannya peramalan dan pemodelan sebagai bahan pertimbangan dalam melakukan perencanaan dan optmasi. Sehingga pihak operator terkait memiliki grand concept.
Kedua jenis antenna diatas pemakaiannya disesuaikan berdasarkan kepadatan trafik, klasifikasi area dan kondisi coverage area. Ketika optimasi antenna menjadi faktor utama dalam melakukan langkah optimasi, baik dilihat dari tilting, polarisasi, Power dan lainnya
Pada penelitian ini akan dilakukan dilakukan drive test untuk mengetahui kualitas sinyal seluler di berbagai area yang mewakili area dense urban , sub urban dan urban di wilayah Surabaya. Pengumpulan data dilakukan selama 1bulan . Selain dilakukan analisa data juga akan dilakukan pemodelan dan peramalan ketiga area tersebut. Hasil dari penelitian ini dapat dimanfaatkan sebagai bahan referensi dalam
1. Katherine 742215 Tabel 1 Spesifikasi Antena K742215 [6]
D-15
Prosiding SENTIA 2016 – Politeknik Negeri Malang Frequency Range Gain Power Transmit Power Input
1710 – 2200 MHz 1710185019201880 1990 2200 17.7 17.9 dBi 18 dBi dBi 43 dBm
Dengan, 1m ≤ hR ≤ 10m
3. Pemodelan ARIMA (Autoregressive Integrated Moving Average) Pemodelan ARIMA atau biasa disebut dengan metode runtun waktu (time series) Box-Jenkins merupakan model statistik yang memiliki ketepatan peramalan yang baik untuk jangka pendek, namun tidak begitu baik untuk jangka panjang dimana akan menghasilkan peramalan yang datar. Data-data yang diperoleh pada masa yang lampau menjadi data dasar dalam pemodelan ini, sehingga dari data yang diperoleh dapat didapatkan formula untuk memodelkan data terkait. Dari formula tersebut maka dapat dilakukan peramalan data untuk beberapa waktu kedepan tanpa melakukan pengambilan data secara langsung.
300W
2. HBXX-6516DS-VTM Tabel 2 Spesifikasi Antena HBXX-6516DSVTM [6] Frequency Range Gain Power Transmit Power Input
Volume 8 – ISSN: 2085-2347
1710 – 2180 MHz 1710185019201880 1990 2180 17.7 dBi 18 dBi 18 dBi 43 dBm 350W
3.1 Model Autoregressive (AR)
Kedua jenis antenna diatas pemakaiannya disesuaikan berdasarkan kepadatan trafik, klasifikasi area dan kondisi coverage area. Ketika optimasi antenna menjadi faktor utama dalam melakukan langkah optimasi, baik dilihat dari tilting, polarisasi, Power dan lainnya
Merupakan model runtut waktu stasioner dimana memiliki variabel dependen yang nilainya dipengaruhi oleh variabel dependen itu sendiri. Misal nilai variabel dependen Zt dipengaruhi oleh variabel Zt satu periode sebelumnya (Zt-1) maka model ini disebut model autoregressive orde satu AR(1). Penulisan model AR yaitu :
2.2 Cost Hata Model
Zt = φ0 + φ1Zt-1+….+ φpZt-p+ et Dengan : Zt = Variabel dependen. et = Residual. Zt-1 = Z ke 1. φ = Konstanta dari AR
Cost Hata model merupakan pengembangan model dari model Okumura Hatta. Selain itu model ini memiliki karakteristik sendiri yaitu : Range Frekuensi 1500 MHz - 2000 MHz. Tinggi Transmitter: 30 m - 100 m. Jarak antar titik pengamatan: 1 - 20 km. Tinggi MS: 1 m - 10 m.
3.2 Model Moving Average (MA)
Model ini memiliki formula yang berbeda dengan model lain, berikut adalah formula model Cost Hata :
Berbeda dengan model AR, model MA tidak dipengaruhi oleh variabel dependen sebelumnya melainkan dipengaruhi oleh nilai residual sebelumnya. Model AR memiliki persamaan umum :
L = 46.3 + 33.9logf – 13.82loghB – a(hm) + (44.9– 6.55loghB) logd+C (1)
Zt = θ0 + θ1et + θ2et-1+….+ θqet-q Dengan : θ = Konstanta MA
Dengan : f = Frekuensi kerja hB = Tinggi antenna BTS d = Jarak BTS dan MS hR = Tinggi antenna penrima (MS) L = Path loss (dB) C = 0 dB untuk urban dan sub urban , 3 dB untuk dense urban . a(hm) = faktor koreksi antenna mobile dengan nilai : Untuk Urban a(hm)= 3.2 (log(11.75hr))2 - 4.97 f > 400MHz (2) Untuk Sub Urban dan Rural a(hm)= (1.1 log f – 0.7)hr – (1.56 log f – 0,8) (3)
3.3 Autoregressive Moving Average (ARMA) Model ARMA atau biasa disebut dengan model campuran merupakan model yang menggabungkan pemodelan AR dan pemodelan MA. Penulisan orde dalam model ini yaitu (2,0,1), (1,0,1) dimana diantara orde p dan q bernilai 0. Bentuk umum dari model ARMA yaitu : Zt = φ0+φ1Zt-1+..+ φpZt-p+et + θ0- θ1et - θ2et-1 -..- θqet-q (6)
D-16
Prosiding SENTIA 2016 – Politeknik Negeri Malang
metode statis, yaitu pengukuran dilakukan di satu titik. Dalam pengukuran ini satu area akan dilakukan 4 kali pengukuran dinamis dan 18 kali pengukuran statis. Tidak hanya sinyal data yang diukur melainkan sinyal suara juga diukur baik dalam pengukuran statis maupun dinamis. Pengambilan data dilakukan secara langsung dengan mengukur level daya terima pada tiap-tiap area yang sudah ditentukan. Pengukuran dilakukan terhitung tanggal 27 Maret 2016 sampai tanggal 6 Mei 2016. Total pengukuran sebanyak 81 kali atau 40.5 jam. Berikut detail dari teknis pengukuran : Pengukuran dilakukan selama kurang lebih 30 menit. Level daya terima dicatat stiap 0.5 detik. Estimasi data yang didapatkan adalah 3000 data tiap pengukuran. Pada dititik yang sama dilakukan pengukuran baik data maupun suara, sehingga satu titik dilakukan pengukuran selama 30 menit x 2 = 60 menit. Berikut adalah diagram alir pengukuran kualitas sinyal baik menggunakan metode statis maupun dinamis.
3.4 Autoregressive Integrated Moving Average (ARIMA) Model ARIMA adalah model yang mengintegrasikan antara AR dan MA. Pada umumnya data time series tidak stasioner sedangkan syarat utama dalam melakukan pemodelan ARIMA adalah dengan membuat data stasioner terlebih dahulu baik itu stasioner terhadap varian maupun stasioner terhadap rata-rata. Untuk menstasionerkan data diperlukan proses diferensiasi (difference), dimana proses ini dilakukan dengan tujuan mencari perbedaan antara satu periode dengan periode lain. Pengolahan data melalui proses diferensiasi ini disebut dengan ARIMA. Jika penulisan model ARIMA (1,1,2) berarti menunjukkan AR (1), diferensiasi tingkat pertama dan MA (2). Misal ARIMA (2,1,1) maka persamaannya adalah : (7) Dengan : d = orde differencing
4.
Volume 8 – ISSN: 2085-2347
Metodologi Penelitian MULAI
MULAI
TENTUKAN OBJEK UKUR
KONFIGURASI HP
LEVEL & CELL ID
KONFIGURASI APLIKASI
METODE UKUR
TIDAK ADA DI GCELL
PINDAH LOKASI
STATIS
TIDAK SESUAI DINAMIS
YA ANALISA DATA
MOBILE ±30 MENIT
ANALISA HASIL
HITUNG LINK BUDGET TIDAK
1 TITIK ±30 MENIT
TIDAK
BISA DIMODELKAN?
YA
TIDAK YA
MENDEKATI HASIL UKUR?
SESUAI SELESAI
PERAMALAN
Gambar 2 Diagram Pengukuran Kualitas Sinyal PERAMALAN MENDEKATI LINK BUDGET?
Konfigurasi pengukuran kualitas sinyal untuk tiap metode dapat dilihat pada gambar 2 dan gambar 3.
YA
ANALISA HASIL
PENULISAN LAPORAN
SELESAI
Gambar 1 Diagram Alir Pengerjaan Penelitian
3.1 Pengukuran Kualitas Sinyal Pengukuran dilakukan dengan 2 metode, pertama pengukuran dilakukan secara dinamis, maksudnya pengukuran dilakukan secara mobile mengelilingi satu area. Kedua pengukuran dengan
Gambar 3 Konfigurasi Pengukuran Metode Statis
D-17
Prosiding SENTIA 2016 – Politeknik Negeri Malang
Volume 8 – ISSN: 2085-2347 Tinggi Antena (hB) Antena Gain (GTX) Frekuensi (f) Body Loss (Lr)
5. Gambar 4 Konfigurasi Pengukuran Metode Dinamis
Untuk mendapatkan model dari suatu sistem diperlukan tahapan-tahapan yang harus dilakukan secara runtut. Berikut ini adalah alur dari pemodelan ARIMA yang akan diterapkan pada kualitas sinyal seluler
DATA PENGUKURAN
APAKAH
λ=1
TIDAK
ACF &PACF STASIONER?
TIDAK
TRANSFORMASI BOX COX
YA
DIFFERENCING
YA ESTIMASI MODEL TIDAK UJI MODEL YA MODEL VALID
SELESAI
Gambar 5 Alur Pemodelan ARIMA Kualitas Sinyal 4.3 Perhitungan Link Budget Untuk mengetahui Jarak antara MS dan BTS, dimana data tersebut diperlukan untuk menghitung Path loss, digunakanlah Google Earth dengan mengetahui letak geografis dari posisi MS dan BTS. Untuk GCell atau data sel dari operator Telkomsel didapatkan dari PT.NexWave. Berikut adalah ringkasan spesifikasi parameter Link Budget yang digunakan dalam pengerjaan penelitian ini.
Sesuai GCell
18dB, 16.1dB
Sesuai Antena
2127 MHz 3 dB
Analisis Data
Dari data-data yang diperoleh dapat dilakukan tahapan-tahapan analisis lebih lanjut, analisis data mencakup : 5.1 Hasil Pengukuran
4.2 Pemodelan ARIMA Kualitas Sinyal
MULAI
40, 30, 20
Hasil pengukuran kualitas sinyal merupakan data pokok yang menjadi acuan dalam mengerjakan penelitian ini. Berikut adalah hasil pengukuran kualitas sinyal seluler di tiap lokasi yang telah ditentukan. Tabel 3 Rata-Rata Hasil Pengukuran Tiap Area Rata-Rata Level Sub Metode Dense Urban Urban Ukur Urban (dB) (dB) (dB) Statis 1 Statis 1V Statis 2 Statis 2V Statis 3 Statis 3V Statis 4 Statis 4V Statis 5 Statis 5V Statis 6 Statis 6V Statis 7 Statis 7V Statis 8 Statis 8V Statis 9 Statis 9V Dinamis 1 Dinamis 1V Dinamis 2 Dinamis 2V
-66.0755 -65.7916 -65.5252 -64.7557 -55.7176 -57.5598 -59.8915 -61.767 -54.7623 -55.2526 -61.7359 -60.8188 -56.7383 -59.3788 -58.2239 -60.1807 -59.7898 -57.7007 -59.8569 -59.5114 -59.4694 -61.0019
-59.038 -61.8428 -54.949 -54.3302 -64.5447 -63.389 -71.2402 -70.3349 -64.2765 -67.1946 -52.7314 -51.4789 -51.8766 -54.3534 -78.017 -80.2918 -61.4358 -62.4347 -62.1795 -63.2926 -62.2229 -62.3254
-78.2449 -78.9205 -59.7384 -63.6053 -71.3901 -81.2736 -59.1148 -59.3701 -59.6597 -56.2557 -70.6519 -68.8482 -74.3998 -73.2075 -73.1875 -74.1863 -70.7665 -70.5222 -67.5605 -68.4859 -67.0849 -70.1601
Keterangan tabel : Statis 1 = Pengukuran sinyal data dengan metode statis Statis 1V = Pengukuran sinyal suara dengan metode statis. Dinamis 1 = Pengukuran sinyal data dengan metode dinamis. Dinamis 1V= Pengukuran sinyal suara dengan metode dinamis.
Tabel 3 Parameter Link Budget Parameter Nilai/Satuan Keterangan Tx Power(PTX) 20 W = 43dBm Tinggi MS(hR) 1.5 m
D-18
Prosiding SENTIA 2016 – Politeknik Negeri Malang
Volume 8 – ISSN: 2085-2347 Statis 6V Statis 7V Statis 8V Statis 9V Dinamis 1 Dinamis 2 Dinamis 1V Dinamis 2V
5.2 Pemodelan ARIMA Kualitas Sinyal Seluler Pemodelan ARIMA akan menghasilkan formula untuk melakukan peramalan kualitas sinyal. Namun sebelumnya harus mengetahui pola dari ACF dan PACF.
ACF
74.79 74.70 63.90 62.92 57.88 54.95 52.86 54.72
68.34 61.41 52.98 58.16 50.70 47.45 49.12 51.12
74.80 74.70 63.90 62.92 57.88 54.95 52.86 54.72
75.10 74.90 64.53 63.71 58.83 56.09 54.17 55.86
68.38 62.12 53.22 58.20 51.60 51.20 50.60 52.06
5.5 Penerapan Model Dengan model ARIMA (2,0,1) maka diperlukan 2 koefisien AR dan 1 koefisien MA.
Tabel 4 ACF dan PACF Wilayah Dense Urban Ukur
74.79 74.70 63.90 62.92 57.88 54.95 52.86 54.72
PACF Tabel 6 Parameter Statistik (2,0,1) Dense Urban
Statis 1
Statis 1V
Statis 2
5.3 Estimasi Model Pengecekan pola ACF dan PACF menggunakan data yang telah ditransformasi Box Cox. Pada tabel pola ACF dan PACF menunjukkan tiap data baik dense urban, urban maupun sub urban menunjukkan pola ACF turun cepat secara exponensial menuju ke titik 0 maka dengan pola tersebut menunjukkan pola model dari (1,0,0). Sedangkan pola PACF terpotong setelah lag ke 2 ini menunjukkan model ber orde 2 (2,0,0) , sehingga estimasi awal dari model adalah ARIMA (1,0,0), (1,0,1), (1,1,1), (2,0,0), (2,0,1) dan (2,1,1). 5.4 Pengujian Estimasi Model Hasil pengujian estimasi model digunakan ditunjukkan dalam tabel 5
Statis 1 Statis 2 Statis 3 Statis 4 Statis 5 Statis 6 Statis 7 Statis 8 Statis 9 Statis 1V Statis 2V Statis 3V Statis 4V Statis 5V
1, 0, 0 70.58 69.25 76.41 65.36 60.25 81.44 65.00 68.11 74.91 63.61 63.41 66.92 65.36 67.88
1, 0, 1 70.58 69.25 76.41 65.36 60.25 81.44 65.00 68.11 74.91 63.61 63.41 66.92 65.36 67.88
FIT % 1, 1, 2, 0, 1 0 57.59 70.58 64.07 69.25 62.83 76.41 57.12 65.36 55.21 60.25 74.86 81.44 58.77 65.00 58.48 68.11 67.07 74.91 57.13 63.61 56.36 63.41 42.77 66.92 57.12 65.36 63.45 67.88
2, 0, 1 70.90 69.66 76.59 65.90 60.25 81.44 65.28 68.52 74.91 64.27 63.46 67.37 65.90 67.88
5.6 Peramalan Tabel 7 adalah hasil peramalan sinyal terima pada tiap-tiap lokasinya. Kolom ukur maksudnya nilai kualitas sinyal dari hasil pengukuran, sedangkan kolom model merupakan nilai kualitas sinyal dari hasil peramalan dengan menggunakan formula hasil model Tabel 7 Rata-Rata Hasil Pengukuran dan Peramalan Model
yang
Dense Urban Metode
Tabel 5 Hasil Uji Estimasi Model Wilayah Dense Urban Pengukuran
Keterangan Tabel : φ(0) = Koefisien AR orde 0 θ (1) = Koefisien MA orde 1
2, 1, 1 57.58 64.15 63.21 57.44 55.21 74.97 58.75 58.49 66.27 57.19 51.37 44.48 57.44 62.53
Statis 1 Statis 2 Statis 3 Statis 4 Statis 5 Statis 6 Statis 7 Statis 8 Statis 9
D-19
D V D V D V D V D V D V D V D V D V
Ukur (dBm) -66.075 -65.792 -65.525 -64.756 -55.717 -57.56 -59.891 -61.767 -54.762 -55.252 -61.736 -60.819 -56.738 -59.379 -58.224 -60.181 -59.789 -57.701
Model (dBm) -66.035 -65.689 -65.754 -64.326 -55.746 -57.470 -59.931 -61.61 -54.518 -55.284 -61.567 -60.809 -56.472 -59.311 -58.153 -60.106 -59.390 -57.896
Urban Ukur (dBm) -59.038 -61.842 -54.949 -54.330 -64.545 -63.389 -71.240 -70.335 -64.276 -67.195 -52.731 -51.479 -59 -61 -78.017 -80.278 -61.436 -62.434
Model (dBm) -58.399 -61.783 -54.456 -54.476 -64.698 -63.477 -66.197 -70.630 -64.271 -66.621 -52.818 -62.998 -51.953 -54.328 -77.886 -78.782 -61.368 -62.248
Sub Urban Ukur (dBm) -77.869 -78.972 -59.473 -63.681 -70.774 -81.015 -59.387 -59.136 -59.674 -55.987 -70.236 -70.236 -74.404 -73.220 -73.386 -74.176 -70.772 -70.412
Model (dBm) -77.869 -78.972 -59.473 -63.681 -70.774 -81.015 -59.387 -59.136 -59.674 -55.987 -70.236 -70.236 -74.404 -73.220 -73.386 -74.176 -70.772 -70.412
Prosiding SENTIA 2016 – Politeknik Negeri Malang Keterangan Tabel : D = Sinyal data V = Sinyal Suara (Voice) . Tabel 8 Koefisien dan Residu Tiap Area Area Dense Urban Urban Sub Urban
Volume 8 – ISSN: 2085-2347 Dari setiap hasil yang diperoleh baik melalui pengukuran secara langsung, perhitungan link budget serta hasil dari pemodelan kualitas sinyal didapatkan hasil yang berbeda tiap metodenya, perbedaan tersebut dapat dilihat pada tabel 11.
φ(0)
φ (1)
φ (2)
θ(0)
θ(1)
Residu 1
Residu (t)
1
-1.5793
0.5795
1
-0.6152
0.1195
0.1173
1
-1.736
0.736
1
-0.807
0.114
0.110
1
-1.7385
0.7385
1
-0.7950
0.1184
0.1148
Dengan melakukan peramalan menggunakan nilai koefisien dan residu pada tabel 8 (model umum) dan dibandingkan dengan parameter model khusus tiap titik pengamatan (model khusus) sehingga :
Longitud e
112.7419
112.7448 Tabel 9 Perbandingan Data Pemodelan Khusus dan Umum Metode Ukur 1 2 3 4 5 6 7 8 9
D V D V D V D V D V D V D V D V D V
Model Dense Urban Khusus Umum (dBm) (dBm) -66.035 -65.989 -65.689 -65.628 -65.754 -65.696 -64.326 -64.594 -55.746 -55.691 -57.470 -57.413 -59.931 -59.873 -61.61 -61.554 -54.518 -54.884 -55.284 -55.331 -61.567 -61.606 -60.809 -60.754 -56.472 -56.724 -59.311 -59.255 -58.153 -58.097 -60.106 -60.049 -59.390 -59.365 -57.896 -57.831
Model Urban Khusus Umum (dBm) (dBm) -58.399 -58.38 -61.783 -61.753 -54.456 -54.621 -54.476 -54.457 -64.698 -64.679 -63.477 -63.452 -66.197 -70.964 -70.630 -70.607 -64.271 -64.252 -66.621 -66.605 -52.818 -52.799 -62.998 -51.490 -51.953 -51.926 -54.328 -54.308 -77.886 -77.865 -78.782 -78.765 -61.368 -61.346 -62.248 -62.22
Model Sub Urban Khusus Umum (dBm) (dBm) -77.869 -77.847 -78.972 -78.946 -59.473 -59.467 -63.681 -63.655 -70.774 -70.872 -81.015 -81.11 -59.387 -59.366 -59.136 -59.295 -59.674 -59.643 -55.987 -55.963 -70.236 -70.216 -70.236 -68.688 -74.404 -74.382 -73.220 -73.196 -73.386 -73.364 -74.176 -74.153 -70.772 -70.747 -70.412 -70.387
5.7 Path Loss Dengan menggunakan model propagasi cost hata dan dengan tinggi antenna yang sama yaitu 40 meter maka didapatkan nilai a(hm) sebesar 0.000919. Setelah diketahui nilai ahm barulah dapat dicari nilai path loss berdasarkan model Cost Hata, dengan menerapkan rumus model Cost Hata diperoleh nilai path loss sebesar 83.734 dB. Hasil tersebut merupakan nilai untuk dense urban pada titik longitude : 112.7419 dan altitude : -7.2661.
112.7622
112.7653
112.8001
112.8009
Tabel 11 Perbandingan Data Metode Altitud Hitun Model Ukur e g (dBm) (dBm) (dBm) 55.771 55.770 7.2661 45.162 6 2 7.2673 -56.15 60.743 60.736 7 54.835 55.06,2 7.2745 50.004 2 7.2798 -47.68 64.405 64.405 2 7 8 -55.7 -55.72 7.3004 63.408 4 7.2908 74.403 74.399 73.215 1 7 8
Tabel 11 merupakan tabel perbandingan dari tiap-tiap data dengan metode yang berbeda. Untuk metode pemodelan dan pengukuran disesuaikan dengan metode perhitungan dimana perhitungan hanya menghitung satu Cell Id saja. Sedangkan untuk pengukuran menggunakan data hasil seleksi berdasarkan Cell Id yang disesuaikan dengan Cell Id yang digunakan dalam perhitungan secara teoritis.
6.
Kesimpulan
1. Pemodelan yang cocok untuk meramalkan kualitas sinyal seluler baik pada area dense urban, urban dan sub urban yaitu pemodelan ARIMA (2,0,1) dengan FIT bernilai 50% sampai 80%.
5.8 RSL
2. Formula untuk mengetahui kualitas sinyal seluler : Dense Urban Zt = ( 1 - 0.6152 * 0.1195) + 0.1173 - ( 1 - 1.5793 Zt-1 + 0.5795 * Zt-2) Urban Zt = (1-0.807*0.114)+0.110-(1-1.736Zt1+0.736*Zt-2) Sub Urban Zt = ( 1 - 0.7385 * 0.1184 ) + 0.1148 - ( 1 - 1.7385* Zt-1 + 0.7385 * Zt-2)
Nilai RSL dari tiap-tiap titik pengamatan adalah. RSL = EIRP – Wall Loss – Path Loss (L) – Body Loss + GRX – (handover + fading margin) = 57.46 – 0 – 89.3219 – 3 + 0 – ( 0 + 10.3) = -45.162 dBm Perhitungan diatas adalah perhitungan RSL untuk area dense urban dengan titik pengamatan longitude : 112.7419 dan altitude : -7.2661. 5.9 Penyajian Data
D-20
Prosiding SENTIA 2016 – Politeknik Negeri Malang 3. Penggunaan model ARIMA (2,0,1) untuk meramalkan kualitas sinyal seluler memiliki ratarata error relative kurang dari 1%. 4. Untuk perhitungan RSL melalui link budget harus diperhatikan kondisi objek pengamatan, dimana dengan memperhitungkan semua kemungkinan loss sehingga dapat menghasilkan nilai RSL yang mendekati kondisi nyata
Volume 8 – ISSN: 2085-2347 in Different Environments, International Journal of Engineering and Advanced Technology (IJEAT) Makridakis, Spyros, Whright C.Steven, McGee, E. Victor. (1999) : Metode dan Aplikasi Peramalan. Diterjemahkan oleh Basith A dan Untung Sus Andriyanto, Erlangga, Jakarta Mauludiyanto Achmad. (2006) : Pemodelan Runtun Waktu Intensitas Dan Redaman Hujan Tropis Terhadap Gelombang Radio Pada Pita 30GHz. Surabaya, Institut Teknologi Sepuluh Nopember
DAFTAR PUSTAKA : Black Peter J, Wu Qiang. (2001) : Link Budget Of cdma 2000 1 x Ev-Do Wireless Internet AccessSystem, San Diego, Qualcomm Inc
Mollel S. Michael, Dr. Kisangiri Michael. (2014) : Comparison of Empirical Propagation Path Loss Models for Mobile Communication
Chaya Dalela, M V S N Prasad, P K Dalela,” Tuning of Cost-231 Hata Model for Radio Wave Propagation Predictions”, New Delhi, India
Nur Annisa, Fadhilah. (2013) : Forecasting China’s Exchange Rate Using ARIMA (Box-Jenkins) Model, Jakarta, Sekolah Tinggi Ilmu Statistik
Ilham, Muhammad. (2009) : Analisis Nilai Effective Isotropic Radiated Power (EIRP) Tiga Sistem Jaringan (2G, 3G, CDMA) Pada Perangkat Multi Network. Depok, Universitas Indonesia
Popoola Isaiah Segun, Oseni Fatai Olasunkanmi (2014) : Empirical Path Loss Models for GSM Network Deployment in Makurdi, Nigeria, International Refereed Journal of Engineering and Science (IRJES)
Jadhav A.N, Kale S. Sachin (2014) : Sub urban Area Path Loss Propagation Prediction and Optimisation Using Hata Model at 2375 MHz, International Journal of Advanced Research in Computer and Communication Engineering Vol. 3
--. (2013) : Professional Antennas & Filters for Mobile Communications 700-3800 MHz, USA, Kathrein Scala Division --. (2008) : Teknologi Jaringan Nirkabel, Bandung, Institut Teknologi Telkom Bandung
Khan Imranullah, Eng Chon Tan, Kamboh Ahmed Ahakeel. (2012) : Performance Analysis of Various Path Loss Models for Wireless Network
D-21
